Data Science Academy · レッスン

k-Meansとkの選び方

エルボー法とシルエット法

「k-Meansとkの選び方」はCoddyKit上の無料Data Science Academyレッスンです。これはレッスン2/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはData Science Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Data Science Academyコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

The Go-To Clusterer

k-Means is the most popular clustering algorithm: it splits your data into k groups by grouping points around central anchors. 🎯

Centroids Are Anchors

Each cluster has a centroid, the mean position of its members. Points join the cluster whose centroid sits closest to them.

The Repeating Dance

k-Means alternates two steps: assign every point to its nearest centroid, then recompute each centroid from its new members.

It Settles Down

Those steps repeat until assignments stop changing. The algorithm has converged, and the clusters are final.

You Choose k First

k-Means cannot invent the number of groups. You must pick k up front, and the right value is rarely obvious.

Run It in One Line

scikit-learn makes fitting easy. Set n_clusters to your chosen k and call fit on your scaled data.

from sklearn.cluster import KMeans
model = KMeans(n_clusters=3).fit(X)

Inertia Measures Tightness

After fitting, inertia reports the total squared distance from points to their centroids. Lower means tighter clusters.

model.inertia_

The Elbow Method

Plot inertia for many k values. Where the curve bends sharply, the elbow, often marks a good number of clusters.

Diminishing Returns

Past the elbow, adding clusters barely lowers inertia. That flattening signals you are just splitting groups that already fit well.

The Silhouette Score

A second guide is the silhouette score: it rewards points that sit close to their own cluster and far from others.

from sklearn.metrics import silhouette_score

Start Smarter

Random starts can land badly, so scikit-learn defaults to k-means++, which spreads initial centroids out for steadier results.

Quick Check

Let us check how you would pick a sensible k.

Recap

k-Means groups points around centroids for a chosen k; the elbow and silhouette help you pick that k well. 🎯

よくある質問

「k-Meansとkの選び方」レッスンは無料ですか？

はい。「k-Meansとkの選び方」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Data Science Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Data Science Academyコースには全4レッスンが含まれています。

「k-Meansとkの選び方」で何を学びますか？

エルボー法とシルエット法ブラウザで直接実行するハンズオンコードでData Science Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

Data Science Academyを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのData Science Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン2/4です。

「k-Meansとkの選び方」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このData Science Academyレッスンでコードを書いて実行できますか？

はい。すべてのData Science Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← Data Science Academyに戻る